基于层次分析法和市场法的数据资产定价方法

数据资产定价至今是一个具有挑战性的问题。随着大数据时代的来临,数据资产已成为企业核心竞争力和决策支撑的关键要素。由于数据资产的特殊性,传统的资产定价方法不能完全适用于数据资产,目前还缺乏明确的交易规则和成熟的定价方法。因此,博弈论、期权定价法与市场对比法等成为数据资产定价的新探索方向。本研究在现有方法的基础上,提出一种综合运用层次分析法和市场法的定价模型。具体来说,首先采用专家打分方式选取合适的数据评估指标,运用层次分析法确定各评估指标的权重,然后在交易市场中搜集同类数据资产的交易案例,通过市场法计算市场修正系数,运用权重修正模型和系数修正模型对待评估数据资产进行定价。模型考虑了数据资产的特殊属性,也综合了多种定价方法的优势,能够实现对数据资产更准确和科学的评估。

基于特征聚类的近似查询分块选择方法

大数据集群环境中,随机访问的低效性使得基于行级别抽样的近似查询处理方法在构建样本时效率低下。该文将利用集群环境中数据分块存储的特性,以分块级别来进行抽样。在基准测试数据集和真实数据集上的实验,显示此方法在降低数据读取率,提高查询响应速度的同时,保持较高的查询精度。实验中,仅需要读取少于20%的数据就可以获得低于5%的查询误差,且为数据集每个分块的预计算的特征数据所需要的存储空间小于数据集所占空间的0.04%。